基于位置的协同过滤推荐方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究目的和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 传统的推荐方法 | 第11-13页 |
| 1.3.2 基于位置的推荐 | 第13-14页 |
| 1.4 论文研究内容及组织结构 | 第14-16页 |
| 1.4.1 论文研究内容 | 第14页 |
| 1.4.2 论文组织结构 | 第14-16页 |
| 第2章 基于位置推荐的相关理论 | 第16-27页 |
| 2.1 基于位置的推荐 | 第16-17页 |
| 2.2 推荐系统 | 第17-19页 |
| 2.3 协同过滤推荐方法 | 第19-22页 |
| 2.3.1 相似度计算方法 | 第21-22页 |
| 2.3.2 评分预测 | 第22页 |
| 2.4 聚类算法 | 第22-25页 |
| 2.4.1 聚类算法分类 | 第22-23页 |
| 2.4.2 层次聚类算法 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第3章 基于位置的协同过滤推荐方法 | 第27-45页 |
| 3.1 基于位置的协同过滤推荐方法 | 第27-30页 |
| 3.2 商品区域划分 | 第30-35页 |
| 3.2.1 层次聚类算法对比 | 第31-32页 |
| 3.2.2 基于BIRCH层次聚类的商品区域划分 | 第32-35页 |
| 3.3 建立用户和商品区域模型 | 第35-37页 |
| 3.3.1 用户区域兴趣模型 | 第35-36页 |
| 3.3.2 商品区域吸引力模型 | 第36-37页 |
| 3.4 基于位置的矩阵分解算法 | 第37-44页 |
| 3.4.1 矩阵分解 | 第37-38页 |
| 3.4.2 结合区域特征的矩阵分解 | 第38-41页 |
| 3.4.3 结合用户区域近邻的矩阵分解 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 实验验证与结果分析 | 第45-57页 |
| 4.1 实验环境 | 第45页 |
| 4.2 推荐算法度量标准 | 第45-46页 |
| 4.3 实验数据集 | 第46-48页 |
| 4.4 模型调优 | 第48-51页 |
| 4.4.1 商品位置区域划分 | 第48-50页 |
| 4.4.2 参数调整 | 第50-51页 |
| 4.5 实验比较与分析 | 第51-54页 |
| 4.6 本章小结 | 第54-57页 |
| 结论 | 第57-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 致谢 | 第66页 |
